2026年最熱的賽道莫過於Physical AI，但行業出現了一種少見的估值倒掛：機器人本體廠商還在為量產爬坡掙扎，資料服務商的估值卻已站上獨角獸線。光輪智慧2026年6月估值突破150億元，成為全球首個具身資料獨角獸；靈初智慧2026年8月估值邁入百億元級別；覓蜂科技成立十天就拿到數億元融資。
錢來得有多急？2026年至今，機器人賽道總融資超過345億元，其中砸向資料採集領域的超過100億元。若把模擬合成類公司也算進來，具身資料這個大盤子在上半年就吸走約170億元，融資事件25起。頭部數採公司中大量企業成立於2024年之後，有幾家成立不到一年，多數融資輪次停留在A輪之前，但單輪融資超過10億元的已有4家：它石智航、光輪智慧、千尋智慧、靈初智慧。下注方不只是市場化VC，本體廠商、國家級基金、地方政府和國資基金都在投。與融資同時公佈的還有大訂單，比如光輪智慧2026年一季度新增訂單5.5億元，靈御智慧披露意向訂單3億元、在手訂單1億元。
這股急迫源於一個確定性需求：資料荒。機器人大模型是否遵循LLM式的Scaling Law，在2026年2月之前還只是信仰，但EgoScale論文把它變成了實證——資料規模與任務能力之間存在可測算的冪律關係。網際網路上有萬億級token的文本語料，而機器人可用的真實物理互動資料全球加起來只有約50萬小時，缺口高達99%。
缺口就是市場。這個市場如今擠進近百個玩家，其中七成在做採集，同一種抓取、分揀、開門的資料人人都在採，因為最好標註、也最容易商業化，還帶火了日薪250元的寶媽數採員。目前做資料的服務商大致分三類：一是本體公司自己下場，如智元、千尋智慧、優必選，優勢是硬體反哺資料、繫結生態；二是獨立資料服務商，如光輪智慧，同一份高質量資料可賣給多家客戶、反覆變現；三是網際網路大廠親自圈資料，動靜最大的是京東和百度，其人力成本是固定支出、採集邊際成本接近於零，未來可能對獨立資料服務商的定價權形成長期壓制。
但火熱之下裂縫已現。8月28日，據南方都市報報道，位於北京石景山區首鋼園的北京首個人形機器人資料訓練中心已停止運營，原合作方睿爾曼智慧因資料採集模式調整撤出。該中心2025年3月揭牌，佔地3000平方米，曾部署100多台機器人，搭建家庭康養、特種作業、汽車裝配等十大實景場景。運營方解釋停運原因之一是實驗室遙操採集的資料“太乾淨”，無法覆蓋真實世界的光線干擾、物料偏差、場地不平、工況異常等物理變數。
有投資人把國內數採公司的賬翻過一遍後指出，近期越來越多實採資料工廠停運，原因在於成本太高、資料不好用。一套數採工廠的硬投入包括裝置、operator薪酬和場地三項，真機遙操資料單有效小時成本在500至1000元區間，無本體資料也要200至400元，加上裝置折舊和人員管理費，沒有規模化訂單攤薄，工廠很難自負盈虧。資料不好用則是因為大量採集集中在抓取、分揀、開門這幾類最易標註的場景，結構高度同質；而真機資料強繫結特定本體，換一台機器人就要重新訓練，模型公司買回去常常發現能看不能用。
訂單也存在虛實差距。有數採行業人士透露，簽約訂單對應的真實收入大概在1到2億元量級，其餘是分批執行的合同額度；一些公司訂單看起來金額大，但其實是意向訂單，轉化率在一至三成不等。
更值得注意的是頭部數採公司背後的資本結構。有3家背後站的是同一批機器人本體公司：智元機器人投了靈初智慧的種子輪；智域基石的天使輪來自靈初智慧、穹徹智慧、浙江人形、智平方4家機器人公司，這四家既是投資人也是首批客戶；覓蜂科技是智元自己孵化的，從成立之初就帶著智元的資源與訂單起跑。上下游在互相投資自己——本體公司缺資料，就投資或孵化數採公司為自己供貨；數採公司拿到融資後建工廠、招operator、買裝置，再把資料賣回給本體公司。有觀察者形容，表面上是兩家公司都在增長，實際上是同一批錢在兩家資產負債表上算了兩遍。
那麼誰賺到了錢？有從業者盤點：可能是賺估值倍數的早期股東、套現部分股權的創始人、賺裝置場地人力生意的配套服務商、本體廠商的投資收益，甚至BD、PR和寶媽數採員都賺到了，而數採公司自己暫時是這條鏈上幹活最重、離錢較遠的一環。但最終買單的是機器人本體廠商和背後的VC，他們願意持續買單的前提只有一個：機器人要能學會幹活。
供給側的不確定，根源在技術路線還沒收斂。按資料來源分有人類第一視角影片、網際網路公開影片、真機遙操作、部署日誌回採、模擬合成；按採集方式分包括遙操、穿戴式採集、本體自採、眾包採集；按硬體形態分本體採集和無本體採集；按生成方式分真機資料和模擬合成數據。落到2026年上半年的融資分佈上，錢其實只壓在了兩個判斷上：一派押真機實採，代表玩家是覓蜂等，核心敘事是“機器人要學真本事就得喂真資料”；另一派押模擬合成，代表玩家是雲道智慧、智澄AI等，核心敘事是“真機資料又貴又慢，模擬能指數級放大規模”。兩派都拿到了大錢，也都有人新晉獨角獸。
但趨勢正在變化。2025年之前，具身大模型訓練資料中模擬合成數據佔比高達80%到90%；到2026年，“人類資料”的濃度和認可度明顯提升，頭部開始朝雙路線佈局，比如光輪從模擬起家，現在是雙線並行。背後一大原因是，一個在模擬環境裡做到89%成功率的策略，落到真機上只剩12%。
紮根模擬賽道12年的雲道智慧認為，越接近開放環境、越依賴接觸和長鏈路決策，虛實差距就越大，摩擦、間隙、材料形變、末端執行器特性、電機遲滯，再疊加相機角度、光照和現場物料波動，都會影響結果。其觀點是，這不是模擬變弱，而是行業從“先解決規模”進入“必須由真實世界錨定規模”的階段；模擬的核心不是規模大而是分佈廣，真機和模擬不是替代關係而是分工。雲道智慧還指出，當前真正的瓶頸在跨本體、跨場景的泛化能力，行業至今沒有獨立可複核的誤差基準，模擬資料的質量驗證還沒有公共答案。
投資方雲道資本創始人曹稷山認為，合成數據路線理想狀態下公司很值錢，但業界早期看法並不特別樂觀，仍需足夠多客戶與訂單驗證可行性；資料會貶值、會變老，持續生產資料的能力比資料本身值錢，只賣資料、離客戶太遠的公司拿不到反饋，資料資產會老化。他認為數採平台一定會出現很牛的公司，路徑上軟硬體解決方案比純資料更有機會，硬體有技術壁壘再往上走往往更容易，可能得掐住6到12個月的視窗，但最終必須有頭部客戶交付能力，要做Tier 1，不能長期做分包商。他的邏輯錨點是一筆重磅交易：2025年年中，資料標註巨頭Scale AI“賣身”Meta，這證明資料公司可以講出獨立的資本故事。但這個錨點本身也值得多想一層——一家公司從標註起家，如果最終歸宿是被大模型巨頭或本體收編，是否意味著目前的商業模式還沒到能夠獨立IPO的時刻？
儘管路線未收斂，一個被普遍認同的觀點是：堆量不賺錢。單純靠人工採集堆小時數，容易變成重資產、專案制服務；真正有長期價值的是把真實資料、模擬生成、模型評測和部署反饋連成閉環。雲道智慧認為行業接下來至少要過三關：資料是否標準化，格式、標註、物理引數、質量評價、來源合規和可追溯效能否形成共同語言；資料是否真正有效，能不能在真實機器人上提升成功率、降低調試周期和試錯成本；商業模式是否成立，資料能否跨客戶、跨任務、跨本體複用，能否從一次性專案交付變成持續的訓練、評測和部署反饋服務。
另有“演算法派”投資人認為，具身破局的關鍵不是資料也不是感測器，而是世界模型，瓶頸卡在“大腦”，短期可量化的驗證指標只有一個：scaling十倍。據其說法，現在頭部世界模型在70億到100億引數，“誰能把它後邊加一個零，誰就在短期跑出來”。
行業種種目前皆在動態演變，未分出絕對勝負，但淘金的“鏟子”已經在一級市場賣出了金子的價。有不止兩位VC和從業者判斷，具身的GPT時刻大機率會在2027年上半年到來，在此之前賽道正迎接前所未有的壓力測試。2026年至今的大額融資資料，與其說是一級市場選出了路線，不如說市場對每一條能講清稀缺故事的路線都下了注——VC不是在押哪一派對，而是在確保自己不缺席可能對的那一派。